CNNで画像の分類に用いるモデルを構築したいがエラーが出る

前提・実現したいこと

犬猫認識をtensorflowで動かそうとしています。

KaggleからDLしたデータをTFRecordにデータを保存しました。
そして次にCNNによるモデル構築をするところでエラーが出ます。

発生している問題・エラーメッセージ

python
1
2with tf.name_scope('layer1'):
3    conv1 = tf.conv2d(X, filters=32, kernel_size=4, strides=1, activation=tf.nn.relu, name='conv1')
4    pool1 = tf.nn.max_pool(conv1, ksize=[1,2,2,1], strides=[1,2,2,1], padding='VALID', name='pool1')
5

AttributeError: module 'tensorflow' has no attribute 'conv2d'

と出ます。犬猫認識をtensorboardで可視化までするのを目標としていて、
参考としている記事等がtensorflow1.Xのバージョンのためだと考えています。ver2.Xからの初心者のため対応が分かりません。

TFRecordにデータを保存するところまでは2.Xで動くよう修正できましたが、CNNの工程で躓きました、、、
どこを変えればいいのかご教授願います。

TFRecordにデータを保存までのコード

import numpy as np
import tensorflow as tf
import os
import glob

cat_dir ='C:\Users\...\Downloads\23777_30378_bundle_archive\training_set\training_set\cats\'
dog_dir ='C:\Users\...\Downloads\23777_30378_bundle_archive\training_set\training_set\dogs\'

image_paths = []
labels = []

for fname in os.listdir(cat_dir):
    if '.jpg' in fname:
        image_paths.append(cat_dir + fname)
        labels.append(1)



for fname in os.listdir(dog_dir):
    if '.jpg' in fname:
        image_paths.append(dog_dir + fname)
        labels.append(0)



shuffle_ind = np.random.permutation(len(labels))
image_paths = np.array(image_paths)[shuffle_ind]
labels = np.array(labels)[shuffle_ind]

def _bytes_feature(value):
    return tf.train.Feature(bytes_list=tf.train.BytesList(value=[value]))



def _float_feature(value):
  return tf.train.Feature(float_list=tf.train.FloatList(value=[value]))



def _int64_feature(value):
    return tf.train.Feature(int64_list=tf.train.Int64List(value=[value]))




import io
from PIL import Image


with tf.io.TFRecordWriter('training_data.tfrecords') as writer:
    for fname, label in zip(image_paths[:-1000], labels[:-1000]):
        image = Image.open(fname)
        image_np = np.array(image)
        image_shape = image_np.shape
        image = open(fname, 'rb').read()
        feature = {
            'height' : _int64_feature(image_shape[0]),
            'width' : _int64_feature(image_shape[1]),
            'channel' : _int64_feature(image_shape[2]),
            'image_raw' : _bytes_feature(image),    
            'label' : _int64_feature(label)
        }
        tf_example = tf.train.Example(features=tf.train.Features(feature=feature))
        writer.write(tf_example.SerializeToString())




with tf.io.TFRecordWriter('test_data.tfrecords') as writer:
    for fname, label in zip(image_paths[-1000:], labels[-1000:]):
        image = Image.open(fname)
        image_np = np.array(image)
        image_shape = image_np.shape
        image = open(fname, 'rb').read()
        feature = {
            'height' : _int64_feature(image_shape[0]),
            'width' : _int64_feature(image_shape[1]),
            'channel' : _int64_feature(image_shape[2]),
            'image_raw' : _bytes_feature(image),
            'label' : _int64_feature(label)
        }
        tf_example = tf.train.Example(features=tf.train.Features(feature=feature))
        writer.write(tf_example.SerializeToString())